如何使用PowerShell拆分包含XML字符串的文本数据

问题场景 #

按第一个冒号拆分文件中的键值对数据时，常规行可正常拆分，但当某个字段包含多行XML内容时，XML的每一行会被单独拆分，无法将完整XML保留在对应Value中。

示例数据（mcData.txt） #

mcDatQFC:Service Disc Cache
mcConfigFolder:C:\Configs
mcDatQFC:Service Disc Cache2
mcDatQFCProv:Simple Service Registry
mcDatQFCProviderName:Simple Service Registry Name
queuethreadsxml:<?xml version='1.0' standalone='yes'?>
<mcQueueThreads
  xmlns='http://xxxx.org/mcQueueThreads.xsd'>
  <QUEUE_THREADS>
    <THREAD_ID>1</THREAD_ID>
    <ENVIRONMENT_INFO_INDEX>3</ENVIRONMENT_INFO_INDEX>
    <DESCRIPTION>GPC</DESCRIPTION>
    <CHANNEL>CM.D.2</CHANNEL>
    <HOST_NAME>myhostname.xxx-cert-ibm-mq.mydomain.com</HOST_NAME>
    <PORT_NUMBER>2</PORT_NUMBER>
  </QUEUE_THREADS>
</mcQueueThreads>   

当前失效代码 #

$mcContent = Get-Content "C:\Temp\mcData.txt"
$FinalMcObj = $mcContent | % {
$Delimited = $_ -split ':',2 

 [PSCustomObject]@{
    Name = $Delimited[0]
    Value = $Delimited[1]
 }
}
return $FinalConsulObj

解决方案 #

核心思路是读取整个文件为单个字符串，再通过正则表达式匹配完整的键值对（支持多行值），避免按行拆分破坏XML结构。

修改后的代码：

# 读取整个文件内容，而非逐行读取
$mcContent = Get-Content "C:\Temp\mcData.txt" -Raw

# 用正则匹配所有键值对，包含多行值的情况
$keyValueMatches = [regex]::Matches(
    $mcContent,
    '(?m)^([^:]+):(.*?)(?=\r?\n[^:]+\:|$)',
    [System.Text.RegularExpressions.RegexOptions]::Singleline
)

# 转换为自定义对象集合
$FinalMcObj = $keyValueMatches | ForEach-Object {
    [PSCustomObject]@{
        Name  = $_.Groups[1].Value.Trim()
        Value = $_.Groups[2].Value.Trim()
    }
}

$FinalMcObj

逻辑说明 #

1. -Raw参数：将文件内容读取为单个字符串，避免逐行处理拆分XML内容
2. 正则表达式：
   • (?m)：开启多行模式，让^匹配每行开头
   • ^([^:]+):：匹配键名（行开头不含冒号的内容）
   • (.*?)：非贪婪匹配值内容，支持换行
   • (?=\r?\n[^:]+\:|$)：正向预查，确保值截止到下一个键值对的行开头或文件末尾
3. 生成对象：遍历匹配结果，提取键和完整的值，生成规范的自定义对象

内容的提问来源于stack exchange，提问作者MikeC